सर्वेक्षणों में कॉलबैक की संख्या के आधार पर वजन डालकर अनुपलब्धता पक्षपात की सुधारना

सारांश जब नमूना सर्वेक्षणों के उत्तरदाता गैर-उत्तरदाताओं से भिन्न होते हैं, तो पक्षपात उत्पन्न हो सकता है। गैर-उत्तरदाता दोनों इनकार और अनुपलब्धता द्वारा उत्पन्न होते हैं। यहाँ हम अनुपलब्धता पर ध्यान केंद्रित करते हैं। अनुपलब्धता पक्षपात से निपटने के लिए चालाक वजन योजनाएँ लगभग 40 साल पहले पोलिट्ज़ और सिमंस द्वारा और सिमंस द्वारा प्रस्तावित की गई थीं, लेकिन आगे का सैद्धांतिक विकास सीमित रहा है। इस बीच, न केवल आमने-सामने के सर्वेक्षण फलते-फूलते रहे हैं, बल्कि दूरसंचार सर्वेक्षण भी आम हो गए हैं। यहाँ हम वजन तकनीकों का प्रस्तुत करते हैं जो अनुपलब्धता पक्षपात को सुधारती हैं लेकिन पिछले तरीकों की सीमाओं से बचती हैं। वजन (जो मानकों पर निर्भर करते हैं) साक्षात्कार प्राप्त करने के लिए नमूना सदस्य से आवश्यक कॉलबैक की संख्या पर आधारित हैं, और आमतौर पर कॉलबैक की संख्या के साथ बढ़ते हैं। यदि एक नमूना डिज़ाइन ने नमूना वजन उत्पन्न किया जो सभी समान नहीं हैं, तो उन बाहरी वजन को विश्लेषण में आसानी से शामिल किया जा सकता है। हम p के लिए एक बीटा वितरण की धारणा करते हैं, जो संकेत करता है कि एक नमूना सदस्य इंटरव्यू के लिए उपलब्ध है। p के तहत उत्तरदायी चर की सशर्त अपेक्षा को p का एक रैखिक (या अन्य) फ़ंक्शन माना जाता है। हमारा सबसे सरल कॉलबैक मॉडल, जो कुछ दूरसंचार सर्वेक्षणों के लिए उपयुक्त है, बीटा वितरण के दो मानकों के अनुमानों की आवश्यकता होती है। दो अन्य मॉडल, जो सर्वेक्षणों के लिए डिज़ाइन किए गए हैं जहाँ साक्षात्कारकर्ता कॉलबैक के लिए सबसे अच्छे समय का अनुमान लगाने के लिए संकेतों का उपयोग करते हैं, प्रत्येक का एक तीसरा मापदंड होता है। कई प्रकाशित अनुभवात्मक कॉलबैक वितरणों के लिए (ज्यादातर ट्रंकशन या सेंसरिंग के साथ), अलग-अलग मॉडल के तहत मानकों का अनुमान लगाया जाता है और परिणामों का मूल्यांकन किया जाता है।